Tether, Yapay Zekâ Eğitimi İçin Genesis III’ü Yayımladı

Tether AI Research, bilim, teknoloji, mühendislik ve matematik alanlarında daha yetkin küçük yapay zekâ modelleri geliştirmek amacıyla tasarlanan 191,43 milyar tokenlık sentetik veri seti QVAC Genesis III’ü yayımladı.

Tether AI Research tarafından geliştirilen Genesis III, bilim, teknoloji, mühendislik ve matematik alanlarında daha yetkin küçük yapay zekâ modelleri geliştirmek üzere tasarlanan 191,43 milyar tokenlık sentetik veri setini sunuyor. Genesis III ile eğitilen modeller, bilim ve STEM testlerinde açık kaynaklı referansları geride bırakırken, yapay zekânın günlük cihazlarda yerel olarak çalıştırılmasına yönelik yeni olanaklar sağlıyor.

Genesis III, daha küçük yapay zekâ modellerinin performansını artırarak yapay zekânın doğrudan telefon, bilgisayar ve yerel sunucularda çalıştırılmasına yönelik olanakları genişletiyor. QVAC Genesis I ve II’nin devamı olan veri seti, 159,6 milyon dokümanda 191,43 milyar token içeriyor ve QVAC Genesis III araştırması, COLM 2026’da sunulmak üzere kabul edildi.

Genesis III, STEM eğitiminde yeni olanaklar sunuyor

Genesis III ile eğitilen modeller, bilim ve STEM alanlarındaki akıl yürütme testlerinde açık kaynaklı referansları geride bıraktı. 1,7 milyar parametreli model, benchmark yanıtlarının yüzde 99,45’inde geçerli sonuç üretirken; veri seti, 19 STEM alanını kapsayarak eğitimde fizik problemlerini çözebilen, hataları açıklayabilen ve akıl yürütme süreçlerini analiz edebilen yapay zekâ öğretmenlerinin geliştirilmesine olanak sağlıyor. Daha küçük modellerin yerel olarak çalışabilmesi, bu teknolojilerin sınırlı internet erişimine sahip ortamlarda da kullanılmasını mümkün kılıyor.

Akıl yürütmeye destek

Araştırmacılar ve profesyoneller için Genesis III, hassas bilgi ve soruları sürekli olarak harici sunuculara göndermeden yerel ortamda çalışabilen uzmanlaşmış teknik asistanların geliştirilmesini destekliyor. 159,6 milyon dokümandan oluşan veri seti, modellerin yalnızca doğru cevabı bulmasına odaklanmak yerine, nasıl düşündüğünü ve hatalarını nasıl düzelteceğini öğrenmesini hedefliyor. Bu kapsamda Failure Analysis yöntemi, modelin yaptığı hataları analiz ederek yanlış akıl yürütmenin nedenini ve doğru çözüm yolunu öğretirken; Option-Level Reasoning yöntemi, doğru cevabın neden doğru olduğunu ve diğer seçeneklerin neden yanlış olduğunu açıklıyor. Böylece Genesis III, daha küçük yapay zekâ modellerinin daha az işlem gücüyle daha doğru, güvenilir ve açıklanabilir sonuçlar üretmesine katkı sağlamayı amaçlıyor.

Performans karşılaştırması

Araştırmacılar, Genesis III’ün Option-Level veri setiyle eğitilen modellerin Qwen, Llama, SmolLM ve Gemma gibi farklı mimarilerde Cosmopedia-v2’ye kıyasla daha yüksek performans gösterdiğini belirledi. Aynı token sayısıyla karşılaştırıldığında Genesis III, ARC-Easy’de 28,57, ARC-Challenge’da 21,35 ve MMLU STEM’de 15,03 puan artış sağladı. Genesis III ile ön eğitimden geçirilen model, daha büyük ve ek matematik ile kod verileriyle eğitilmiş Cosmo-1B’yi de değerlendirilen testlerde geride bıraktı.

“Amacımız, faydalı yapay zekâyı insanların sahip olduğu cihazlara taşımak”

Tether CEO’su Paolo Ardoino, “Yapay zekâ sektörünün büyük bölümü modelleri büyütmeye ve onlara daha fazla işlem gücü sağlamaya odaklandı. Genesis III ise daha küçük modellerin öğrendiği veriyi iyileştirdiğimizde neler olabileceğini gösteriyor. STEM açısından bu, bir modele yalnızca nihai cevabı öğretmekten fazlası anlamına geliyor. Bir şeyin neden doğru olduğunu, akıl yürütmenin nerede hatalı olduğunu ve hatanın nasıl düzeltileceğini öğretmek anlamına geliyor. Amacımız, faydalı yapay zekâyı büyük bulut altyapılarından insanların hali hazırda sahip olduğu cihazlara taşımak” dedi.

Kaynak: (KAHA) Kapsül Haber Ajansı